一种预先规划的在线滚动时域重新优化方法，用于灾难后在大规模搜索与救援行动中应对不确定的偶发情况

《Expert Systems with Applications》：A preplanned-online rolling-horizon re-optimization method for post-disaster large-scale search-and-rescue under uncertain chance encounters

　　李双林|王飞
中南大学交通与运输工程学院，中国湖南长沙410075

摘要
建立高效的紧急搜索与救援（ESAR）系统对于减少灾害中的伤亡至关重要。本文提出了一个集成定位-路由优化框架，用于处理大规模受灾区域灾后的ESAR操作。设计了一种预先规划的在线滚动时域重新优化方法（P/ORH(re)-OM），以增强在救援过程中由于动态发现被困点而产生的不确定性下的ESAR决策的灵活性。在预优化阶段，引入了一种基于贪婪随机自适应搜索的遗传算法来定位疏散临时中心（ETH）并生成初始救援路线。在重新优化阶段，提出了一种在线滚动时域优化方法，根据新出现的被困点动态调整每个救援团队的路线，并开发了一种改进的大邻域搜索算法，通过保留先前可行的救援计划来精细化救援团队路线。数值实验表明，与独立重新优化方法和传统的全局滚动时域优化方法相比，所提出的P/ORH(re)-OM通过动态探索被困点提高了性能，分别拯救了超过18.3%和1.1%的受困者。结果突显了协调ETH位置、多行程策略和实时路由调整的重要性。

引言
在复杂环境中进行应急响应和救援操作往往需要快速决策，以确定临时转移点的位置和组建搜索与救援（SAR）团队（Ahmadi等人，2022）。这被定义为定位-路由问题（LRP）的集成优化。例如，在海上紧急情况下，如船舶碰撞或海上事故等突发事件需要迅速撤救人员，这依赖于适当设置的临时转移站和协调的救援单位（Ai等人，2019）。类似的需求也出现在前线军事行动中，其中伤员的快速疏散和转移依赖于临时转移点的战略选择和高效的团队部署（Jenkins等人，2020）。在山区灾害（如山体滑坡（Bera等人，2023）和泥石流（Melo等人，2020）中的救援操作中，需要仔细规划临时站点和SAR团队。此外，在大规模自然灾害期间，SAR操作在减少人员伤亡和加快恢复方面起着关键作用。这些操作的重要性在各种场景中都很明显，例如在地震引发的倒塌基础设施中救援幸存者（Wan等人，2023；Wang等人，2025）以及从洪水隔离中疏散人员（Teoh等人，2026）。

随着台风等极端天气事件的频率增加，洪水的发生也变得更加频繁，对人们的财产和安全构成了严重威胁。根据灾害流行病学研究中心（CRED）的应急事件数据库数据（2023年），过去24年中，洪水的频率和严重程度都呈上升趋势（图1）。同样，有效的洪水救援取决于合适的疏散临时中心（ETH）的选择和SAR团队的高效部署。世界银行的研究显示，全球有14.7亿人面临洪水风险，其中超过三分之一的人面临灾难性洪水的风险（Salhab & Rentschler，2020）。例如，2025年在菲律宾登陆的“Kalmaegi”台风造成了巨大的破坏，影响了190万人，有140人死亡，127人失踪（国际红十字会与红新月会联合会，2025）。2024年的“Yagi”台风在越南造成307人死亡，1900人受伤，240,599栋房屋受损，经济损失超过16亿美元（联合国开发计划署，2024）。

极端天气事件如台风和强降雨可能是突然且不可预测的（Li等人，2023a）。灾前疏散确实可以在一定程度上减少伤亡和避免财产损失（Miao & Davlasheridze，2025）。然而，由于这些灾害的迅速发生和演变性质，实际上很难完全疏散所有受灾地区的居民。因此，对被困和失踪人员的救援仍然是灾后应急响应的关键组成部分（Nasar等人，2024）。有效的救援操作不仅对于保护人类生命至关重要，还有助于确保受灾人群的及时安置、维持社会稳定和最小化整体灾害影响。

突如其来的灾难性洪水通常会导致大片土地被淹没，使许多居民被困。决策者应在整个受灾区域部署SAR团队，将被困人员转移到位于洪水区域与可通行地面边界附近的ETH，然后再将他们转运到指定的安置设施。然而，洪水会导致大规模停电、供水中断、道路网络损坏和通信基础设施中断；在灾害响应的早期阶段，往往无法完全确定受灾居民的位置（Mühlhofer等人，2024）。一些被困人员可以通过手机或其他通信设备发送求救信息以报告他们的大致位置（Washington等人，2024）。然而，由于通信设备故障、水位迅速上升、行动受限或由于碎片和建筑物损坏导致的物理隔离，许多人无法及时到达避难所并分享位置（Al-Qadami等人，2024；Matsuki和Hatayama，2023）。在这种情况下，SAR团队通过系统搜索、随机发现或其他探索过程来追踪他们的位置，这引入了相当大的不确定性和模糊性（Nasar等人，2023）。

在洪水期间，LRP面临在一个动态且不确定的洪水条件下确定紧急资源最佳位置和最有效的SAR部署路线的关键挑战。鉴于洪水引发的干扰复杂性，最近的研究探讨了将洪水特定因素（如水位和环境约束）整合到模型中的方法（Charpentier-Noyer等人，2025；Matsuki和Hatayama，2024；Wang等人，2024）。已经开发了各种优化技术，如启发式算法（Yang等人，2025a）和精确算法（Liang等人，2025），其中许多方法结合了实时数据以适应快速变化的情景。出现了多目标公式，例如在确保弱势群体获得公平访问的同时最小化行驶距离（Gong等人，2025；Li等人，2025）。此外，还提出了结合机器学习和数据分析的方法来更准确地预测洪水动态（Huang等人，2025；Li等人，2023b），为实时决策提供了可能性。

本文开发了一个集成优化框架，用于定位ETH并规划SAR团队的路线，以搜寻和救援被困在洪水灾害中的人员。在第一阶段，我们定位ETH并分配和规划SAR团队的路线。在第二阶段，我们使用滚动在线时域优化方法动态调整救援团队的路线。考虑了灾害期间可能出现的有限时间和资源的限制，目标是确保在给定时间间隔内（即黄金“72”小时内）用最少的ETH数量疏散尽可能多的SAR人员。本研究的贡献如下：
（1）为大规模受灾区域的灾后紧急ESAR操作开发了一个集成框架，用于ETH位置和SAR团队路线规划。
（2）开发了一种预/在线滚动时域重新优化方法来解决定位-路由优化问题。
（3）设计了一种基于贪婪随机自适应搜索（GRASP）的遗传算法（GA）来预先优化LRP。
（4）开发了一种基于大邻域搜索（LNS）的在线滚动时域和分散式决策程序来重新优化SAR团队的路线问题。

本文的其余部分组织如下：第2节回顾了先前的研究。第3节定义了研究问题并讨论了数学模型的发展。第4节提出了解决方案方法。第5节展示了数值结果。最后，第6节总结了本研究。

文献综述
有效的灾害响应需要快速、协调的决策，以分配资源、部署救援团队并在时间敏感的条件下优化疏散路线。为了解决这些挑战，最近的文献主要使用了基于优化的方法（Pu等人，2025），这些方法通常分为独立框架和集成框架。独立优化将设施位置、资源分配和路由作为独立的顺序问题来解决。

问题定义
本研究解决的问题定义在一个拓扑图G=N,E上，其中N表示节点集，E表示边集。集合N包括：候选ETH，即救援人员的疏散点；被困点，即人们被困的位置；SAR团队不包括在图中作为节点，而是被建模为在网络上的移动代理，负责执行救援操作。集合E包括...

解决方案方法
如图4所示，本研究开发了一种两阶段解决方案方法，旨在解决救援调度的静态规划和动态适应问题。

第一阶段（预优化阶段）使用基于GRASP的GA（GGA）生成一个稳健的初始救援计划。该阶段以系统参数（如被困人口的坐标和候选ETH的坐标）作为输入，通过混合进化过程产生一个全面的初始策略，指定ETH...

使用合成数据集的结果
如图8所示，在矩阵区域[0, 100]内随机生成了30个初始救援需求点，每个点的被困人数是一个介于[1, 10]之间的随机数。有五个候选ETH，它们的位置坐标与救援需求点的位置坐标以相同的方式随机生成。有四个救援团队，每个救援团队的容量限制为20人，时间限制为360分钟。算法相关参数设置为...

结论
本研究侧重于建立灾后ESAR操作的集成定位-路由优化框架。为此建立了一个多目标整数规划模型，考虑了被困人员的动态、救援船只的重复导航能力以及有限的救援资源等因素。目标是减少站点选择的数量并最大化救援人员的数量。提出了一种预/在线滚动时域重新优化方法...

利益冲突声明
作者声明他们没有已知的可能影响本文工作的财务利益或个人关系。